Question

大家一天的美好时光！我正在研究一个用于质量分析的简单脚本，该脚本将原始样本和重复样本进行比较，并在散点图上进行绘制。

到目前为止，我已经能够创建所需的绘图：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

'''read file'''

duplicates_file = 'C:/Users/cherp2/Desktop/duplicates.csv'
duplicates = pd.read_csv(
            duplicates_file, usecols=['SAMPLE_NUMBER','Duplicate Sample Type'
                                      ,'FE', 'P','SIO2','AL2O3'
                                      ,'Orig. Sample Type', 'FE.1', 'P.1'
                                      ,'SIO2.1','AL2O3.1'])

'''calculate standard deviations for grades'''

grades = ['FE','P','SIO2','AL2O3']

for grade in grades:
    grade_std = duplicates[grade].std()

    '''create scatter plots for all grades'''

    ax = duplicates.plot.scatter(f'{grade}', f'{grade}.1')
    ax.set_xlabel('Original sample')
    ax.set_ylabel('Duplicate sample')

但是现在我想按某种条件对点进行颜色着色：如果原始样本和重复样本之间的等级差异小于一个标准偏差点，则应为绿色；如果介于2和3 stdev之间，则应为橙色和红色。甚至更多。

我一直在尝试在线查找解决方案，但到目前为止没有任何效果。我有一种感觉，我需要在这里使用一些lambda函数，但是我不确定语法。

Answer 1

您可以将颜色参数传递给绘图调用（通过c=），并使用pandas.cut为基于std的不同类别生成必要的颜色代码。

In [227]: df
Out[227]: 
           a         b
0   0.991415 -0.627043
1   1.365594 -0.036651
2  -0.376318 -0.536504
3   1.041561 -2.180642
4   1.017692 -0.308826
5  -0.626566  1.613980
6  -1.302070  1.258944
7  -0.453499  0.411277
8  -0.927880  0.439102
9  -0.282031  1.249862
10  0.504829  0.536641
11 -1.528550  1.420456
12  0.774111 -1.086350
13 -1.662715  0.732753
14 -1.038514 -1.987912
15 -0.432515  3.104590
16  1.682876  0.663448
17  0.287642 -1.038507
18 -0.307923 -2.340498
19 -1.024045 -1.948608

In [228]: change = df.a - df.b

In [229]: df.plot(kind='scatter', x='a', y='b',
                  c=pd.cut(((change - change.mean()) / (change.std())).abs(), [0, 1, 2, 3], labels=['r', 'g', 'b']))

here

熊猫/ pyplot着色散点图的状况

1 个答案: